本报告系统性地提出了基于因子组合FMP的因子加权方法，为量化投资提供全新视角。核心发现包括：Alpha因子与FMP完全等价，通过因子组合可完全表征alpha因子；均值方差优化下组合权重正比于因子组合权重；最大化FMP夏普比方法在年化对冲收益和信息比上优于传统的最大化ICIR方法；因子大类风险平价配置在市场风格转变时稳定性更好。报告还给出了基于LW压缩估计的IC优化及日度收益协方差估计等实用技巧。适合量化研究员、基金经理、金融工程师等专业人士，帮助提升选股策略的收益和稳健性。
本报告系统性地提出了基于因子组合FMP的因子加权方法，为量化投资提供全新视角。核心发现包括：Alpha因子与FMP完全等价，通过因子组合可完全表征alpha因子；均值方差优化下组合权重正比于因子组合权重；最大化FMP夏普比方法在年化对冲收益和信息比上优于传统的最大化ICIR方法；因子大类风险平价配置在市场风格转变时稳定性更好。报告还给出了基于LW压缩估计的IC优化及日度收益协方差估计等实用技巧。适合量化研究员、基金经理、金融工程师等专业人士，帮助提升选股策略的收益和稳健性。
本报告系统性地提出了基于因子组合FMP的因子加权方法，为量化投资提供全新视角。核心发现包括：Alpha因子与FMP完全等价，通过因子组合可完全表征alpha因子；均值方差优化下组合权重正比于因子组合权重；最大化FMP夏普比方法在年化对冲收益和信息比上优于传统的最大化ICIR方法；因子大类风险平价配置在市场风格转变时稳定性更好。报告还给出了基于LW压缩估计的IC优化及日度收益协方差估计等实用技巧。适合量化研究员、基金经理、金融工程师等专业人士，帮助提升选股策略的收益和稳健性。
本报告由东方证券发布,发布于 2019 年。
覆盖 2019 年,全文约 22。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、基金经理、金融工程师、券商研究员等读者参考。
重点分析了金融投资、因子组合、FMP等议题。